Mass Spectrometry based Metabolomics to Decipher Strain Specific Microcystis Cyanopeptide Profiles
Notice bibliographique
Résumé
Over the last one hundred years, ecosystem changes have occurred as a result of human population growth, pollution, increased temperatures, and habitat degradation.A visible change is the increase in frequency and magnitude of toxic cyanobacterial blooms.Cyanobacterial blooms release mixtures of biologically active compounds into freshwater that negatively impact human and ecosystem health as well as having socioeconomic consequences.The factors that influence cyanobacterial growth and toxin production are broadly understood.However, cyanobacteria are a prolific source of structurally diverse and strain specific mixtures of biologically active compounds.Currently, the chemistry, toxicology, environmental concentrations, and risks posed to human and ecosystem health by most cyanobacterial secondary metabolites are unknown.Advances in mass spectrometry and metabolomic techniques can aid in comprehension of complex metabolomes.Here, the use of untargeted and semi-targeted mass spectrometry-based metabolomics is used to decipher the non-ribosomal peptide natural products (cyanopeptides) from five Microcystis strains.Cyanopeptides are grouped based on shared structural features, such as the incorporation of non-proteogenic amino acids or partial amino acid sequences that generate diagnostic product ions with the MS/MS of metabolites within the same cyanopeptide group.Global natural product society (GNPS) molecular networking and diagnostic fragmentation filtering (DFF) techniques utilize the similarity in product ion spectra to visualize all variants in the different cyanopeptide groups and the production by Microcystis strains.The semi-targeted DFF technique is applied to environmental water and bloom samples for the detection of entire cyanopeptide groups.Finally, growth medium composition effects on Microcystis chemical profiles are assessed with the established metabolomic techniques.Optimal growth conditions for cyanopeptide production have been elucidated for the Microcystis strains.This will enable the iii.Table of Contents i.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».